基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统耗电量大、抗干扰能力差、稳定性不高以及空气质量指数(air quality index,AQI)预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络(gated recurrent unit,GRU)于一体的空气质量监测系统。系统采用光伏为主、市电为辅的混合模式供电;利用远距离无线电LoRa技术采集环境参数,集合云平台技术、麻雀搜索算法-变分模态分解-循环神经网络(sparrow search algorithm-variational mode decomposition-GRU,SSA-VMD-GRU)耦合模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000 m内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差分别减小了22.434、0.833,平均绝对误差分别减小了16.849、0.623,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。

基于CART决策树的110 kV供电区域分布式光伏承载能力测算模型

分布式光伏受天气影响较大,测算110kV供电区域的分布式光伏承载能力,对区域供电来说意义重大。基于此,提出基于分类与回归树(calssification and regression tree,CART)的110kV供电区域分布式光伏承载能力测算模型。该模型以分布式电源输出功率、区域分布式电源发电量占比、局部分布式电源线损增量等数据为基础,利用CART决策树建立110kV供电区域分布式光伏承载能力测算模型,并使用改进鲸鱼优化算法求解测算结果。经实验测试发现,该模型对分布式光伏承载能力的测算精准度较高,可有效测算不同实验区域在不同季节时的分布式光伏承载能力,具有较高的应用价值。

光伏高渗透下的台区降损策略研究

光伏发电功率受光照、温度、湿度等因素影响,具有随机性、间歇性、波动性的特点。随着越来越多以光伏为主的新能源接入配电台区,不仅改变了单端电源供电模式,还将对台区的安全稳定运行带来较大影响。光伏电源是对台区供电的一种补充,考虑光伏电源的随机出力特性,结合台区典型特征信息,科学合理地对光伏高渗透台区开展损耗机理分析,在确保电网安全可靠供电的前提下,以节能降损为目的研究光伏容量、位置、功率因数等因素对台区运行产生的影响。通过实例仿真得到不同容量以及不同位置接入光伏台区损耗规律,研究光伏高渗透台区节能降损技术,进而探索光伏电源在台区的接入方案,实现光伏电源接入方式的优化,对降低台区的损耗具有重要现实意义。

独立光伏供电区建设改造方案比选方法研究

独立光伏供电区指大电网未覆盖仅依靠独立光伏电站供电的偏远地区,为了提升独立光伏供电区的供电质量,可采取升级改造光伏电站和电网延伸两种方法。为了保障供电质量的同时保障经济性,提出了负荷距约束和负载率约束两个条件对两个建设改造方案进行约束,保障电网延伸后的独立光伏供电区的电压质量和设备利用率,同时对两个方案进行经济比选从而确定最优方案。根据方案验证,约束条件和经济比选适用于独立光伏供电区的电网建设改造方案的比选。